Aggregate evaluation and sensitivity analysis of fragility at subnational level

Fragility assessment is an emerging interdisciplinary field that aims to evaluate the stability and vulnerability of countries or territories across environmental, economic, social, and political dimensions. This thesis addresses the growing demand for reliable fragility metrics by combining theoretical market research, financial risk modeling, and a Python-based analytical tool tailored to developing regions. The first part of the work provides a comprehensive overview of the fragility indicator market, identifying current players, data methodologies, and sectoral challenges, especially in the context of ESG regulation and climate risk. The second chapter investigates the applicability of financial risk techniques, such as Monte Carlo Simulation, Sensitivity Analysis, and Network Analysis, to fragility assessment. These methodologies are reinterpreted to evaluate systemic vulnerabilities beyond the financial domain. The third and final chapter presents the development of a fragility scoring algorithm and stress-testing tool, implemented in Python. The tool ingests multi-dimensional input data (e.g., conflict, climate, health, and governance indicators), normalizes and weights parameters according to user-defined profiles (e.g., NGO vs. private investor), and produces both static fragility scores and dynamic sensitivity outputs under simulated shocks. The model has been tested on a real dataset from Myanmar. The thesis demonstrates how integrating financial logic and environmental data processing can improve decision-making in fragile contexts, especially for development finance and impact investment strategies.

Questa tesi affronta il tema della fragilità territoriale nei paesi in via di sviluppo attraverso un approccio multidisciplinare che integra analisi teorica, modelli finanziari di valutazione del rischio e strumenti computazionali. Nella prima parte viene analizzato il mercato emergente degli indicatori di fragilità, con particolare attenzione agli attori principali, alle metodologie adottate e all’interazione con regolamenti ESG e rischi climatici. La seconda parte esplora l’applicabilità di tecniche proprie della finanza quantitativa—come la simulazione Monte Carlo, l’analisi di sensitività e l’analisi di rete—al contesto della fragilità socioeconomica e ambientale. Infine, la terza parte presenta uno strumento sviluppato in Python che calcola punteggi di fragilità personalizzabili e consente l’analisi di sensitività rispetto a scenari di stress simulati. Il modello è stato applicato a un caso reale, relativo al Myanmar, dimostrando la capacità dello strumento di supportare decisioni orientate allo sviluppo sostenibile e alla gestione del rischio nei contesti più vulnerabili. Il lavoro evidenzia come sia possibile trasferire logiche analitiche della finanza alla valutazione della fragilità territoriale, offrendo un supporto operativo a ONG, investitori e istituzioni pubbliche.